MAKALAH

“Pemusatan Data , Letak Data , Dispresi , Hubugan Antara Modus dan Mean ”

Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah “ STATISTIK PENDIDIKAN”

OLEH:

BINA RAMADANI 1702030026

AYU DWI NANDA 1702030028

MARINA HAZMI M 1702030034

SRI DEVI APRILIANI 1702030041

PRIYADARSINI 1702030047

PRODI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU

PENDIDIKAN UNIVERSITAS MUHAMMADIYAH SUMATERA UTARA

MEDAN

2019
 KATA PENGANTAR
Puji dan syukur penulis ucapkan kepada Allah SWT yang telah memberikan rahmat
dan karunia-Nya kepada penulis sehingga penulis dapat menyelesaikan makalah ini yang 
berjudul “ Ukuran Sebaran Data” dengan baik dan lancar. Selanjutnya, tak lupa pula penulis
ucapkan shalawat dan salam kepada Nabi Muhammad SAW yang telah mengantar umat
manusia dari zaman yang gelap gulita ke zaman yang terang benderang ini.
            Seterusnya, penulis mengucapkan terima kasih kepada dosen pembimbing yang telah
memberikan petunjuk serta ilmunya kepada penulis sehingga penulis dapat menyelesaikan
makalah ini dengan baik. Penulis juga sangat mengharapkan kritik dan saran untuk makalah
ini demi membangun ketepatan isi dari makalah yang penulis buat. Akhir kata, penulis
ucapkan terima kasih.

                                                                                                Medan, 06 Maret 2019

           
                                                                                                            Penulis
           
 DAFTAR ISI

Kata Pengantar ..................................................................................................................... i

Daftar Isi .............................................................................................................................. ii
Bab I : Pendahuluan
A. Latar Belakang ............................................................................................................... 1
B. Rumusan Masalah .......................................................................................................... 1
C. Tujuan Penulisan ........................................................................................... ................ 1
D. Metode Penulisan ........................................................................................................... 1
Bab II : Pembahasan
A. Pengertian Ukuran Penyajian Data ................................................................................. 3
B. Jenis-jenis ukuran Penyajian Data....................................................................................4
C. Peran irokrasi dalam Pemerintah Modern........................................................................6
1.     Range......................................................................................................................................7   
                                                                                             
2.      Deviasi
3.      Variansi
4.      Ukuran Penyebaran Relatif
5. Letak data
Bab III : Penutup
Daftar Pustaka.......................................................................................................................8
 BAB I
PENDAHULUAN

A.    Latar Belakang
Statistik berasal dari bahasa Latin yang artinya adalah “status” atau negara. Pada
mulanya statistika berhubungan dengan fakta dan angka yang dikumpulkan oleh pemerintah
untuk bermacam-macam tujuan. Statistik juga diturunkan dari kata bahasa Inggris yaitu state
atau pemerintah. Pengertian yang sangat sederhana tentang statistic adalah sebagai suatu
kumpulan data yang berbentuk angka dan tersusun rapi dalam suatu tabel, grafik, gambar,
dan lain-lain. Misalnya tabel mengenai keadaan pegawai di kantor-kantor, grafik
perkembangan jumlah penduduk dari waktu ke waktu, dan lain sebagainya. Sedangkan
pengertian yang lebih luas mengenai statistik adalah merupakan kumpulan dari teknik
mengumpulkan, analisis, dan interpretasi data dalam bentuk angka. Dan statistik juga
merupakan bilangan yang menunjukkan sifat-sifat (karakteristik) data yang dikumpulkan
tersebut.
Statistika dapat didefinisikan sebagai suatu ilmu pengetahuan yang berhubungan
dengan cara-cara mengumpulkan fakta/data, pengolahan data, kemudian menganalisis data
tersebut sehingga dapat diperoleh suatu kesimpulan/keputusan. Penggunaan istilah statitika
berakar dari istilah - istilah dalam bahasa latin “modern statisticum collegiums (“dewan
negara”) dan bahasa Italian statista (“negarawan” atau “politikus”). Pada abad ke 19 dan awal
abad ke 20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama
peluang.penggunaan statistika pada masa sekarang dapat di katakan telah menyentuh semua
bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Meskipun ada pihak yang
menganggap statistika sebagai cabang dari matematika tetapi sebagian pihak lainya
menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari
sejarah dan aplikasinya.

B.     Rumusan Masalah
1.      Apa definisi ukuran penyebaran data?
2.      Jelaskan jenis-jenis ukuran penyebaran data?
3. jelaskan letak data?
4. jelaskan pemusatan data?

C.    Tujuan Penulisan
1.      Untuk mengetahui dan memahami pengertian ukuran penyajian data.
2.      Untuk mengetahui jenis-jenis ukuran penyajian data.

D.    Metode Penulisan
1.      Pengumpulan data dari berbagai buku sebagai sumber referensi.
2.      Pencarian data dari situs-situs internet.

BAB II
PEMBAHASAN
1. Pemusatan Data

A.    MEAN /RATA-RATA

1.      Rata-Rata Hitung

Rata-rata (mean) adalah ukuran pemusatan lokasi yang banyak digunakan dalam statistika.
Ukuran ini mudah dengan memanfaatkan semua data yang dimiliki.Namun demikian
kekurangan dari ukuran pemusatan rata-rata ini sangat dipengaruhi nilai ekstrim.

Penghitungan rata-rata dilakukan dengan menjumlahkan seluruh nilai data suatu kelompok
sampel, kemudian dibagi dengan jumlah sampel tersebut. Jadi jika suatu kelompok sampel
acak dengan jumlah sampel n, maka bisa dihitung rata-rata dari sampel tersebut dengan
rumus sebagai berikut.

Keterangan:
 = rata-rata hitung
xi = nilai sampel ke-i
n = jumlah sampel

* Rata-Rata Sementara

Menghitung nilai rata-rata dapat dilakukan dengan menggunakan rata-rata sementara.Rata-

rata hitung yang diperoleh dari jumlah rata-rata sementara dan simpangan rata-rata
dirumuskan:
Keterangan:
 = rata-rata hitung
 s= rata-rata hitung sementara
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel

* Rata-Rata Tertimbang.

Rata-rata tertimbang/terbobot (weighted average) adalah rata-rata yang dihitung dengan

memperhitungkan timbangan/bobot untuk setiap datanya. Setiap penimbang/bobot tersebut
merupakan pasangan setiap data.

Rumus rata-rata tertimbang/terbobot adalah sebagai berikut.

 
Keterangan:
 = rata-rata tertimbang
xi = nilai data ke-i
wi = bobot data ke-i
n = jumlah data
* Rata-Rata Gabungan

Misalkan ada n buah populasi terhingga dengan ukuran populasi f1,f2,……,fn maka akan
mempunyai rata-rata populasi maka rata-rata gabungan dari semua populasi adalah:

Keterangan:
 = rata-rata hitung
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel

B. MEDIAN

Median adalah nilai tengah dari data yang telah disusun berurutan mulai dari yang terkecil
sampai dengan yang terbesar. Secara matematis median dilambangkan dengan Me yang dapat
dicari dengan cara sebagai berikut.

Median untuk jumlah data (n) ganjil

Median untuk jumlah data (n) genap

Keterangan:
Me = Median
n = jumlah data
x = nilai data

C. MODUS

Modus adalah nilai yang memiliki frekuensi terbanyak dalam seperangkat data. Modus untuk
data yang disusun dalam bentuk kelas interval (data berkelompok) bisa ditentukan
berdasarkan nilai tengah kelas interval yang memiliki frekuensi terbanyak.

Namun nilai yang dihasilkan dari nilai tengah kelas interval ini adalah nilai yang kasar. Nilai
modus yang lebih halus bisa diperoleh dengan menggunakan rumus di bawah ini.

Mo = modus
b = batas bawah kelas interval dengan frekuensi terbanyak
p = panjang kelas interval
b1 = frekuensi terbanyak dikurangi frekuensi kelas sebelumnya
b2 = frekuensi terbanyak dikurangi frekuensi kelas sesudahnya
 

D. HUBUNGAN RATA-RATA,MEDIAN DAN MODUS

Pada suatu distribusi frekuensi, hubungan antara rata-rata, median dan modus adalah sebagai
berikut.

1. Jika rata-rata, median dan modus memiliki nilai yang sama, maka nilai rata-rata, median
dan modus akan terletak pada satu titik dalam kurva distribusi frekuensi. Kurva distribusi
frekuensi tersebut akan terbentuk simetris.
2. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus, maka pada kurva
 distribusi frekuensi, nilai rata-rata akan terletak di sebelah kanan, sedangkan median terletak
di tengahnya dan modus di sebelah kiri. Kurva distribusi frekuensi akan terbentuk menceng
ke kiri.
3. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus, maka pada kurva
distribusi frekuensi, nilai rata-rata akan terletak di sebelah kiri, sedangkan median terletak di
tengahnya dan modus di sebelah kanan. Kurva distribusi frekuensi akan terbentuk menceng
ke kanan.
4. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan), maka
biasanya akan berlaku hubungan antara rata-rata median dan modus sebagai berikut.Rata-rata
– Modus = 3 (Rata-rata – Median)

2. Ukuran Letak

Untuk mengetahui lebih mendalam terkait karakteristik data, selian mengetahui ukuran
tendesni sentral, kita juga perlu untuk mengetahui ukuran letak suatu data.

Ukuran letak dinyatakan dalam fraktil. Fraktil adalah nilai yang menbagi data yang berurutan
menjadi beberapa bagian, diantaranya kuartil, desil, persentil.

a.      Kuartil

Kuartil merupakan ukuran letak yang membagi data yang sudah diurutkan menjadi empat
bagian sama banyak, masing-masing bagian mempunyai 25% data.
Kelompok data memiliki 3 kuartil yakni kuartil bawah (Q1), kuartil tengah atau median (Q2),
Quartil atas (Q3).

X min                          Q1                         Q2                         Q3                         Xmax

Langkah-Langkah menghitung nilai kuartil data tunggala adalah sebagai berikut:

1.      Mengurutkan data dari yang terkecil hingga terbesar
2.      Menentukan letak kuartil.

Letak kaurtil bisa dihitung sebagau berikut :

Q1 terletak pada data ke ¼ (n+1)
Q2 terletak pada data ke ½ (n+1)
Q3 terletak pada data ke ¾ (n+1)

Untuk menghitung data kelompok bisa dihitung :

Qi  = kuartil ke i, (i = 1, 2, 3)
Tb = Tepi bawah kelas Qi
n   =  jumlah data
fki = Frekuensi komulatif kurang darikelas yang memuat Qi
fi   = Frekuensi pada kelas yg memuat kuarti Qi
I    = Interval

Contoh :

Berikut nilai ulangan Matematika 40 siswa seperti dalam tabel

Tabel Nilai ulangan matematika

Nilai Frekuensi(f1)
40-49 3
50-59 8
60-69 12
70-79 9
80-89 6
90-99 2

Dari tebel diatas, hitunglah nilai kuartil atas, kuartil tengah dan kuartil bawah

Jawab :

Tabel frekuensi dan frekuensi komulatif nilai Matematika

Frekuensi
Nilai Frekuensi(f1)
Komulatif (fk)
40-49 3 3
50-59 8 11
60-69 12 23
70-79 9 32
80-89 6 38
90-99 2 40
Jumlah 40
                              
Menentukan letak kuartil
Tentukan letak kuartil atas(kelas yang terdapat Q3) = ¾ (n+1) = ¾ .41 = 30,75
 maka kelas yang memuat Q3 adalah kelas 70-79

Tentukan letak kuartil tengah (kelas yang terdapat Q2) = 2/4 (n+1) = ½ 41 = 20,5
maka kelas yang memuat Q2 adalah kelas 60-69

Tentukan letak kuartil bawah (kelas yang terdapat Q1) = ¼ (n+1) = ¼ 41 = 10,25
maka kelas yang memuat Q1 adalah kelas 50-59

-        Kuartil Tengah (Q2)

Jadi nilai Q2 = 67

-        Kuartil Bawah (Q1)

 Jadi nilai Q2 = 58,25

b.     Desil

Desil merupakan  ukuran letak yang membagi data yang sudah diurutkan dari terkecil
hingga terbesar menjadi sepuluh bagian sama banyak. Jadi masing-masing bagian memiliki
10 % data keseluruhan dan memiliki 9 nilai desil.

Langkah-langkah menentukan desil adalah sebagai berikut :

D1 letaknya pada data ke 1/10 (n+1)
D2 letaknya pada data ke 2/10 (n+1)
D3 letaknya pada data ke 3/10 (n+1)
dan seterusnya sampai D9

Sedangkan rumus desil adalah

Di = Desil ke-i (i = 1, 2, 3, ...9

Tb = Tepi bawah
n = banyaknya data
fki = frekuensi kumulatif sebelum kelas yang memuat desil
fi = frekuensi kelas yang memuat desil
I = interval

Contoh :

Dari data berikut hitunglah desil ke 3, desil ke 6 dan desil ke 9

 Tabel data nilai 1000 siswa yang mengikuti tes

Nilai Frekuensi
0-9 4
10-19 9
20-29 86
30-39 198
40-49 235
50-59 281
60-69 113
70-79 57
80-89 10
90-99 7

 Jawab :
Membuat tabel frekuensi dan frekuensi komulatif
Nilai Frekuensi Frekuensi
Komulatif
0-9 4 4
10-19 9 13
20-29 86 99
30-39 198 297
40-49 235 532
50-59 281 813
60-69 113 926
70-79 57 983
80-89 10 993
90-99 7 1000
Jumlah 1000

-        desil ke 3

Dicari terlebih dahulu, kelas yang memuat desil ke-3.

D3 = 3/10 (1000) = 300
Maka kelas yang memuat D3 adalah kelas 40-49
Sehingga nilai desilnya
 Maka nilai desil ke-3 adalah 39,62

-        Desil ke-6

Dicari terlebih dahulu, kelas yang memuat desil ke-6.

D6 = /10 (1000) = 600
Maka kelas yang memuat D6 adalah kelas 50-59
Sehingga nilai desilnya

Maka nilai desil ke-6 adalah 51,1

-        desil ke 9

Dicari terlebih dahulu, kelas yang memuat desil ke-9.

D9 = 9/10 (1000) = 900
Maka kelas yang memuat D9 adalah kelas 60-69
Sehingga nilai desilnya
 Maka nilai desil ke-9 adalah 62,39

c.      Persentil

Persentil adalah ukuran letak yang membagi kumpulan data yang sudah diurutkan menjadi
100 bagian sama banyak dan tiap persentil  memiliki bagian 1% data serta sekumpulan data
terdapat 99 buah persentil.

Langkah-langkah menentukan persentil adalah sebagai berikut :

P1 letaknya pada data ke 1/100 (n+1)
P2 letaknya pada data ke 2/100 (n+1)
P3 letaknya pada data ke 3/100 (n+1)
dan seterusnya sampai
P99 letaknya pada data ke 99/100(n+1)

Sedangkan rumus persentil adalah

Pi = Persentil ke-i (i = 1, 2, 3, ...99)

Tb = Tepi bawah
n = banyaknya data
fki = frekuensi kumulatif sebelum kelas yang memuat persentil
fi = frekuensi kelas yang memuat persentil
I = interval
 Contoh :

Hitunglah nilai persentil ke-12 dan persentil ke-78 dari data berikut :
Nilai Frekuensi
0-9 4
10-19 9
20-29 86
30-39 198
40-49 235
50-59 281
60-69 113
70-79 57
80-89 10
90-99 7

Jawab :

Buatlah tabel frekuensi komulatif

Frekuensi
Nilai Frekuensi
Komulatif
0-9 4 4
10-19 9 13
20-29 86 99
30-39 198 297
40-49 235 532
50-59 281 813
60-69 113 926
70-79 57 983
80-89 10 993
90-99 7 1000
Jumlah 1000

-        persentil ke-12
Menentukan letak persentil ke-12
P12 letaknya pada data ke 12/100 (1000) = 120
Maka kelas yang memuat P12 adalah kelas 30-39
Sehingga nilai persentilnya
 Maka nilai persentil ke-12 adalah 30,56

-        persentil ke-78

Menentukan letak persentil ke-78

P78 letaknya pada data ke 78/100 (1000) = 780
Maka kelas yang memuat P78 adalah kelas 50-59
Sehingga nilai persentilnya

Maka nilai persentil ke-78 adalah 58,32

2.      Ukuran Penyebaran Data (Dispersi)

Adakalanya dalam suatu penelitian kita memerlukan informasi terkait ukuranpenyebaran data
ini.

Ukuran penyebaran data merupakan ukuran yang menyatakan seberapa jauh penyimpangan
nilai data dari nilai pusatnya atau berapa banyak nilai data yang berbeda dengan pusatnya.

Berikut beberapa macam ukuran penyebaran data :

a.      Range (jangkauan)
b.      Simpangan rata-rata (deviasi rata-rata)
c.      Simpangan baku (standar deviasi)
d.      simpangan kuartil (jangkauan semi interkuartil)

a.      Range (jangkauan)

Range adalah ukuran data yang paling sederhana. Range merupakan selisih antara data
terbesar dan terkecil. Dirumuskan :

R = X max – X min

Untuk data kelompok, range dapat dihitung dengan cara :

1)      selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah.
2)      selisih tepi bawah kelas tertinggi dengan tepi bawah kelas terendah.
  
Contoh :

Carilah nilai Range dari data berikut :

Nilai Frekuensi(f1)
40-49 3
50-59 7
60-69 10
70-79 5
80-89 3
90-99 2

Jawab :

Menentukan titik tengah kelas tertinggi ½ (90 + 99)= 94,5

Menentukan titik tengah kelas tertendah ½ (40 + 49) = 44,5
Maka nilai Range dapat dihitung :
R = 94,5 - 44,5 = 50

b.      Simpangan Rata-rata (SR)

Simpangan Rata – rata adalah ukuran yang menunjukan rata-rata dari harga mutlak deviasi
tiap data terhadap nilai rata-rata yang merupakan harga mutlak simpangan-simpangannya.
Untuk data tunggal dirumuskan:
Sedangkan untuk data kelompok dirumuskan :

Contoh :
Hitunglah nilai SR (simpangan rata-rata) dari data berikut

Nilai Frekuensi(fi)
40-49 3
50-59 7
60-69 10
70-79 5
80-89 3
90-99 2

Jawab :
terlebih dahulu melengkapi tabel dengan data yang diperlukan
dan mean (x) dari data telah dihitung adalah 65,83

Frekuensi(f1i Titik tengah |x_i-(x)| fi |(x_i-(x)|

Nilai
) (xi)
40-49 3 44,5 21,33 63,99
50-59 7 54,5 11,33 79,31
60-69 10 64,5 1,33 13,3
70-79 5 74,5 8,67 43,35
80-89 3 84,5 18,67 56,01
90-99 2 94,5 28,67 57,34
Jumlah 30 313,3

sehingga nilai SR dapat dihitung : 

c.      Simpangan baku (standar deviasi)

Simpangan Baku adalah ukuran yang menunjukan deviasi standar data pengamatan terhadap
rata-ratanya. Dari pada simpangan rata-rata, simpangan baku dianggap merupakan ukuran
penyebaran yang lebih baik. Hal ini dikarenakan ukuran ini tidak menggunakan asumsi nilai
mutlak terhadap deviasi, tetapi menggunakan asumsi kuadrat dari deviasi.

Standar deviasi data tidak berkelompok dapat dihitung melalui rumus:

1.      Rumus untuk sampel berukuran kecil ( < =30 )

2.      Rumus untuk sampel ukuran besar ( > 30 )

Standar deviasi data yang berkelompok dapat dihitung melalui rumus:

1.      Rumus untuk sampel berukuran kecil ( < = 30 )

2.      Rumus untuk sampel ukuran besar ( > 30 )

Contoh:

Hitunglah nilai standar deviasi dari data berikut :

Nilai Frekuensi(fi)
40-49 3
50-59 8
 60-69 12
70-79 9
80-89 6
90-99 2
  

Jawab :
Melengkapi tabel dengan nilai yang dibutuhkan
dengan rata-rata : 67,75
 Gambar Deviasi

Karena data berjumlah 40 maka SD dirumuskan

d.      Simpangan kuartil (jangkauan semi interkuartil)

Simpangan kuartil hampir sama dengan range, karena dihitung dari selisih atau jarak nilai
tertinggi dan nilai terendah suatu data.  Simpangan kuartil bisa menghitung jarak antara nilai
tertinggi dengan nilai terendah dari setengah banyaknya data. Dirumuskan menjadi:

Qd = ½ (Q3-Q1)

Qd = Simpangan kuartil
Q3 = Quatil atas
Q1 = kuartil Bawah
A.  Pengertian Ukuran Penyebaran Data
Ukuran penyebaran adalah suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Mengapa
kita mempelajari ukuran penyebaran tersebut? Karena kita merasa bahwa mengetahui nilai
tengah saja kurang cukup, tanpa disertai dengan pengetahuan tentang seberapa besar data
 tersebut menyebar disekitar nilai tengahnya. Dengan memahami unsur penyebaran data
diharapkan kita tidak menarik kesimpulan yang salah.
Penyebaran adalah perserakan data individual terhadap nilai rata-rata. Penyebaran
disebut juga dispersi. Data homogen memiliki penyebaran yang kecil, sedangkan data yang
heterogen memiliki penyebaran yang besar.
Kegunaan Ukuran Penyebaran :1) Untuk menentukan apakah suatu nilai rata-rata
dapat mewakili suatu rangkaian data / tidak, 2) Untuk perbandingan terhadap variabilitas
data, misalnya data curah hujan, suhu udara, dsb, dan 3) Membantu penggunaan ukuran
statistik, misalnya dalam membandingkan ukuran penyebaran sampel terhadap populasi.

B.     Jenis-Jenis Ukuran Penyebaran Data

Dalam dunia statistik, dikenal beberapa macam ukuran penyebaran data, dari ukuran
yang paling sederhana sampai denga ukuran yang dipandang memiliki kadar ketelitian yang
tinggi, yaitu: 1) Range, 2) Deviasi, 3) Variansi, dan 4) Ukuran penyebaran relatif.

1.      Range
Range disebut juga rentang/jangkauan. Range adalah jarak antara data terbesar
dengan data terkecil, atau jangkauan yang menyatakan perbedaan dari nilai terbesar dan
terkecil dari suatu jajaran data.
 Range biasa diberi lambang R adalah satu ukuran statistik yang menunjukkan jarank
penyebaran antara nilai yang terendah (lowest score) sampai nilai tertinggi (highest
score).  Dengan singkat dapat dirumuskan:
           R = H – L.
R = Range atau nilai yang kita cari.
H = Skor atau nila yang tertinggi (highest score).
L = Skor atau nilai yang terendah (lowest score).

a.       Cara Mencari Range

TABEL
Perhitungan range nilai hasil tes untuk lima acam bidang study
yang diikuti oleh tiga orang calon yang mengikuti tes seleksi
panerimaan calon mahasiswa baru
pada sebuah perguruan tinggi agama islam

R=H- Jumlah
Nilai yang dicapai H L Mean
L niali
NO NAMA
Bhs. Bhs.
pkn pnjs Bhs.indo
arab ingg
1. Ega 85 65 76 45 65 85 45 40 325 65
 2. Nunu 58 65 72 60 70 72 58 14 325 65

3. Yuni 65 65 65 65 65 65 65 0 325 65

Keterangan:
Kolom 3-7 menunjukkan distribusi nilai hasil yang dicapai oleh tiga orang calon.
  Kolom 8 memuat nilai tertinggi (higbest score) masing-masing calon.
  Kolom 9 memuat nilai terendah (lowest score) masing-masing calon.
  Kolom 10 menunjukkan jumlah seluruh nilai.
  Kolom 11 adalah mean (nilai rata-rata) yang dicapai oleh masing-masing calon.

Dari tabel tersebut menunjukkan bahwamakin kecil jarak penyebaran  nilai dari nilai
terendah sampai nilai tertinggi, akan semaakin homogen (concentrated) distribusi nilai
tersebut. Sebaliknya makin besar range-nya, akan makin berfariasi nilai-nilai yang dada
dalam distribusi nilai tersebut.
Selain itu berdasar pada range kita juga dapat mengatakan bahwa kian kecil range dari
suatu distribusi data, kian cenderung bagi diri kita untuk menganggap bahwa mean yang kita
peroleh merupakan wakil yang persentatif data yang bersangkutan; sebaliknya kian besar
range-nya, kita akan lebih cenderung untuk menganggap bahwa mean yang kita peroleh itu
sifatnya meragukan.

b.      Penggunaan Range
Range kita gunakan sebagai ukuran, apabila didalam waktu sangat singkat kita ingin
memperoleh gambaran tentang penyebaran data yang sedang kita selidiki dengan
mengabaikan faktor ketelitian atau kecermatan.

c.       Kebaikan dan Kelemahan Range

Kebaikan range sebagai salah satu ukuran penyebaran data ialah menggunakan range
dalam waktu singkat dapat diperoleh gambaran umum mengenai luas penyebaran data yang
sedang kita hadapi.
Adapun kelemaahannya ialah:
1)      Range akan sangat tergantung kepada nilai-nilai ekstrimnya. Dengan kata lain, besar-
kecilnya range akan sangat ditentukan oleh nilai terendah dan nilai tertinggi yang terdapat
dalam distribusi data, dengan demikianrange sifatnya sangat label dan  kurang teliti.
Contoh:
Data X                        : H = 80, L = 30                      R = 80-30=50
Data Y                        : H = 95, L = 45                      R = 95-45=50
 Data Z             : H = 88, L = 38                      R = 88-38=50
2)      Range sebagai ukuran penyebaran data, tidak memperhatikan distribusi yang terdapat di
dalam range itu sendiri. Ambillah sebagai contoh, misalnya nilai tertinggi dan niali terendah
yang berhasil dicapai oleh 8 orang mahasiswa masin-masing adalah 80 dan 40, sehingga
range-nya = 80-40=40 dengan range sebesar itu ada kemungkinan distribusi nilai itu adalah
40, 40, 40, 40, 40, 40, 40, dan 80, atau bahkan bentuk distribusi lainnya. Yang jelas, dengan
hanya mengetahui range-nya saja, kita belum tau secara pasti bagaimana sebenarnya bentuk
distribusi data yang kita hadapi mulai dari nilai terendah sampai nilai tertinggi.
Karena kelemahan maka sebagai salah satu ukuran penyebaran data, range sanagat jarang
digunakan dalam pekerjaan analisis statistik.

2.      Deviasi
Dalam statistik, yang dimaksud dengan deviasi adalah selisih atau simpangan dari
masing-masing skor atau interval, dari nilai rata-rata hitungnya.
Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan
dengan huruf kecil dari huruf yang digunakan bagi lambang skorya. Jadi apabila skornya
diberi lambang X maka deviasimya berlambang x, jika skornya berlambnag Y maka lambang
deviasinya berlambang y.
Karena deviasi merupakan simpangan atau selisih dari masing-masing skor terhadap
mean groupnya, maka sudah barang tentu akan terdapat dua jenis deviasi, yaitu: 1) deviasi
yang berada di atas Mean, dan 2) deviasi yang berada di bawah Mean.
Deviasi yang berada diatas mean dapat diartikan sebagai “selisih lebih”; kerenanya
deviasi semacam ini akan bertanda plus (+), dan lazim dekenal dngan istilah deviasi positif.
Adapun deviasi yang berada dibawah mean dapat diartikan sebagai “selisih kurang” oleh
karena itu, selalu bertanda minus (-), dan lazim dengan istilah deviasi negatif.
Perlu diingat bahwa semua deviasi baik yang bertanda plus maupun yang bertanda
minus apabila kita jimlahkan, hasilnya pasti sama dengan nol (0).
Guna memperjelas uraian yang telah dikemukakan diatas, marilah kita perhatikan
contoh berikut ini.
Skor (x) Banyaknya (f) Deviasi (x=X-Mx)
                    
8 1 8 - 6 = +2 a.       Deviasi Rata-rata
7 1 7 - 6 = +1 Deviasi rata-rata adalah
6 1 6-6=0 jumlah harga mutlak deviasi dari
5 1 5 - 6 = -1 tiap-tiap skor, dibagi dengan
banyaknya skor itus endiri. Seperti
4 1 4 - 6 = -2
terlihat pada tabel diatas, jika seluruh
deviasi kita jumlahkan, hasilnya
30 = ∑X 5=N 0 = ∑x
pasti sama dengan nol (∑x=0).
 Karena jumlah deviasi akan selalu sama dengan nol, maka kalau deviasi itu kita gunakan
sebagai ukuran untuk mengetahui variabilitas data tidak akan ada gunanya sama sekali. Oleh
karena itulah agar deviasi dapat digunakan sebagai ukuran variabelitas, dalam menjumlahkan
deviasi itu tanda-tanda aljabar (yaitu tanda + dan -) yang terdapat di depan deviasi sebaiknya
diabaikan. Dengan kata lain, agar deviasi dapat dimanfaatkan sebagai ukuran variabilitas,
maka penjumlahan itu dilakukan terhadap harga mutlaknya. Setelah harga mutlak deviasi
dijumlahkan, lalu dihitung rata-ratanya. Dengan demikian, apabila pengertian tentang deviasi
rata-rata kita formulasikan dalam bentuk rumus adalah sebagai berikut:

AD: Average Deviation = Deviasi Rata-rata  .

∑x: Jumlah harga mutlak deviasi tiap tiap skor atau interval.
N: Number of Cases 

Misalkan seorang mahasiswa memiliki nilai untuk 7 mata kuliah

yang diujikant ingkat sarjanayang berhasil dicapai dan perhitungan
  deviasi rata-rata

Deviasi
Nilai (X) F
(x = X – Mx)
73 1 +3
78 1 -8
60 1 -10
70 1 0
62 1 -8
80 1 + 10
67 1 -3
490 = ∑X 7=N 42 = ∑x
                         
b.      Deviasi Standar
Diatas telah dikemukakan bahwa devisi rata-rata sebagaisalah satu ukuran variabelitas
data ditilik segi matematika memiliki kelemahan yang sangat mendasar karena menganggap
sama antara deviasi yang bertanda “plus” dengan deviasi yang bertanda “minus”.

Disebut deviasi standar, karena deviasi rata-rata yang tadinya memiliki kelemahan,
telah dibakukan atau distandaraisasi, sehingga memiliki distandarisasikan, sehingga kadar
 kepercayaan atau reliabilitas yang lebih mantap, oleh karena itu, dalam dunia analisis statistik
deviasi standar ini mempunyai kedudukan yang amat penting. Deviasi standar yang umum
diberi lambang: δ atau: SD.
Jika ungkapan diatas kita tuangkan dalam bentuk rumus, maka rumus umum deviasi

standar atau SD ialah sebagai berikut:

SD = Deviasi standar.
∑X2 = Jumlah semua deviasi, setelah mengalami proses penguadratan terlebih dahulu.
N = Number of case.

Contoh:
Misalkan data yang disajikan pada tabel (daviasi rata-rata), kita cari deviasi standarnya, maka
proses perhitungannya berturut-turut adalah sebagai berikut:
Perhitungan SD dari data yang disajikan (deviasi rata-rata)
Deviasi
 X F X2
(x = X – Mx)
73 1 +3 +9
78 1 -8 + 64
60 1 -10 + 100
70 1 0 0
62 1 -8 + 64
80 1 + 10 + 100
67 1 -3 +9
490 = ∑X 7=N 0 = ∑x 346 = ∑X2

Langkah perhitungannya:
1.       Mencari deviasi x:       x = X – Mx
2.      Menguadratkan x sehingga diperoleh x2, setelah itu dijumlahkan, sehingga diperoleh
∑x2 = 346.
3.      Mencari deviasi standarnya
Ternyata SD-nya lebih besar d aripada AD-nya. Hasil perhitungan SD ini lebih teliti daripada
hasil perhitungan AD.

3.      Variansi
Variansi adalah salah satu ukuran dispersi atau ukuran variasi.  Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif.  Varians diberi simbol 
 σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. Selanjutnya kita akan
menggunakan simbol s2  untuk varians karena umumnya kita hampir selalu berkutat dengan
sampel dan jarang sekali berkecimpung dengan populasi. Rumus untuk menghitung varians
ada dua , yaitu rumus teoritis dan rumus  kerja.  Namun demikian, untuk mempersingkat 
tulisan ini, maka kita gunakan rumus kerja saja.  Rumus kerja ini mempunyai kelebihan
dibandingkan rumus teoritis, yaitu hasilnya lebih akurat dan lebih mudah mengerjakannya.
Sifat penting varians adalah varians kombinasi (combined/pooled variance). Jika
terdapat beberapa kumpulan data (distribusi frekuensi) dengan masing-masing banyaknya
data Ni   dan variasinya S2x.i. maka varians kombinasinya adalah:
4.      Ukuran Penyebaran Relatif
Variansi merupakan ukuran penyebaran mutlak. Variansi5 cm untuk jarak 100m dan
variansi 5cm untuk jarak 10m tentu mempunyai pengaruh yang berbeda. Demikian pula
variansi 5 untuk satuan pengukuran cm tentu tidak dapat dibandingkan. Untuk mengukur
pengaruh demikian dan untuk membandingkan nilai-nilai yang mempunyai satuan
pengukuran yang berbeda, dugunakan ukuran penyebaran relatif.
            Salah satu ukuran penyebaran relatif yang lazim digunakan adalah koefisien variasi
yang dilambangkan dengan KV .
Misalnya, kita mempunyai data nialai ujian statistika untuk dua kelompok mahasiswa.
Kelompok pertama mempunyai nilai rata-rata 37 dan simpangan baku 3, dan kelompok kedua
mempunyai nilai rata-rata 75 dan simpangan baku 4. Kita tidak dapat mengatakan bahwa
kelompok pertama (simpangan baku = 3) lebih homogen daripada kelompok kedua
(simpangan baku = 4) karena kedua kelompok mempunyai nilai rata-rata yang berbeda.
Penyebaran relatifnya dengan mudah dapat dihitung sebagai berikut.
KV (kelompok pertama) = (3/37) x 100% = 8,11%
KV (kelompok kedua) = (4/47) x 100% = 5,33%
Hasil perhitungan menunjukkan bahwa kelompok kedua (KV = 5,33%)  lebih homogen
daripada kelompok  pertama (KV = 8,11%).
            Perlu diperhatikan bahwa koefisiean variasi adalah ukuran penyebaran yang tidak
tergantung pada satuan pengukuran yang digunakan. Satuan pengukuran apapun yang
digunakan, simpangan baku dan rata-rata mempunyai satuan pengukuran yang sama,
sehingga hasil baginya menghilangkan pengaruh satuan pengukuran itu. Dengan demikian.
Membandingkan koefisiean variasi beberapa kelompok data dapat dilakukan tanpa
mengetahui satuan pengukuran yang digunakan.  

Pengertian Ukuran Kemiringan Data

Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan suatu
lengkungan halus (kurva) dari suatu distribusi frekuensi.

Kemiringan distribusi data ada tiga jenis:

•         Simetri

•         Miring ke kanan – kemiringan positif

•         Miring ke kiri – kemiringan negative

Kemiringan distribusi data disebut kemencengan atau kemenjuluran (skewness). Kemiringan

adalah derajat atau ukuran dari ketidaksimetrian (asimetri) suatu distribusi data

Ada beberapa cara untuk menghitung derajat kemiringan data yaitu sebagai berikut :

1. Rumus Pearson :

2. Rumus Momen

    Untuk data tidak berkelompok :

3. Rumus Bowley :

Cara menentukan kemiringannya

 Pengertian Ukuran Keruncingan (Kurtosis) Data

Ukuran keruncingan / kurtosis (k) adalah ukuran mengenai tinggi rendahnya atau runcingnya
suatu kurva. Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak
suatu distribusi data terhadap distribusi normalnya data. Keruncingan distribusi data disebut
kurtosis.

Ada 3 jenis derajat keruncingan yaitu:

·         Leptokurtis -- jika puncak relatif tinggi

·         Mesokurtis -- jika puncak normal

·         Platikurtis -- jika puncak terlalu rendah / datar

Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering digunakan

adalah koefisien kurtosis persentil.

1. Koefisien keruncingan

Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan a4 (alpha 4).

Jika hasil perhitungan koefisien keruncingan diperoleh :

1) Nilai lebih kecil dari 3, maka distribusinya adalah distribusi pletikurtik

2) Nilai lebih besar dari 3, maka distibusinya adalah distribusi leptokurtik

3) Nilai yang sama dengan 3, maka distribusinya adalah distribusi mesokurtik

Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan

data kelompok.

a.       Untuk data tunggal

Contoh:

Tentukan keruncingan kurva dari data 2, 3, 6, 8, 11 !

Penyelesaian :

Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi platikurtik.

b. Untuk data kelompokUntuk data kelompok

 DAFTAR PUSTAKA
Dr. Ir. Harinaldi, M.Eng. Prinsip-Prinsip Statistik Unruk Teknik dan Sains. Jakarta, Agustus
2005. Penerbit Erlangga
Murray R. Spiegel, Ph.D, John J. Schiller, Ph.D, R. Alu Srinivasan, Ph.D. Probalitas dan
Statistik. Jakarta: Penerbit Erlangga.
Sudijono Anas. Pengantar Statistik Pendidikan. Jakarta: PT Raja Grafindo Persada
H. Muhammad Arif Tiro. Dasar-Dasar Statistika. September 1999. Makassar: State University
of Makassar Press.
Muhammad Arif Tiro. 1999. Dasar-Dasar Statistika. Edisi keempat. Maret 2015. Makassar:
Andira Publisher.